Cet article propose un cadre économique appelé Cequel pour répondre au coût élevé du clustering de textes à l'aide de modèles de langage à grande échelle (MLL). Cequel utilise les algorithmes EdgeLLM et TriangleLLM pour interroger sélectivement les LLM sur des paires ou des triplets de textes riches en informations, générant ainsi des contraintes de liaison obligatoire et de liaison impossible. Ces contraintes sont ensuite utilisées dans un algorithme de clustering par contraintes pondérées pour former des clusters de haute qualité. EdgeLLM et TriangleLLM identifient et extraient efficacement les contraintes riches en informations grâce à une stratégie de sélection gloutonne et une technique d'invite soigneusement conçues. Les résultats expérimentaux sur divers jeux de données de référence démontrent que Cequel surpasse les méthodes de clustering de textes non supervisées existantes pour un même budget de requête.
